本发明涉及工业互联网技术领域，具体涉及一种工业互联网边缘服务缓存决策方法及系统；本发明实施例中的工业互联网边缘服务缓存决策方法通过基于分布式深度强化学习方法构建的算法来对边缘缓存策略数学模型计算最优解，能够解决对系统的数学模型的优化问题。该方法基于网络数学模型的建立和最优目标的确定，并基于强化学习和深度学习技术的结合，根据大量的用户历史数据，让机器去学习并预测用户的偏好度以及网络中内容流行度的变化趋势，并根据学习的结果去调整服务缓存策略。可以有效的给出服务缓存决策的最优解。其对应的系统也具体同样的技术效果。